گری‌اسکیل: تقاضای قوی برای پردازش هوش مصنوعی، افت سهام فرصت خرید است

سهام زیرساخت محاسباتی هوش مصنوعی هفته‌های دشواری را پشت سر گذاشته‌اند. گریس‌کیل معتقد است این اتفاق هدفمند بوده است.

کاهش قیمت‌ها فرصتی برای سرمایه‌گذاری است

در تحلیلی که در تاریخ ۲۰ اکتبر ۲۰۲۶ منتشر شد، زک پاندل، رئیس بخش تحقیقات گریس‌کیل، اعلام کرد که این سهام از پایان سپتامبر ۲۰۲۶ حدود ۲۷ درصد کاهش یافته‌اند. او این افت را فرصتی برای ورود به بازار دانست، نه نشانه هشدار. دیدگاه این شرکت این است که تقاضا برای محاسبات هوش مصنوعی همچنان قوی است و انتظار می‌رود به رشد خود ادامه دهد. گریس‌کیل افت فعلی را نقطه ورود فرصت‌طلبانه به سهام شرکت‌های حوزه محاسبات با کارایی بالا می‌داند.

دلایل کاهش و چشم‌انداز تقاضا

طبق این تحلیل، کاهش قیمت‌ها ناشی از نگرانی‌ها در مورد افزایش هزینه‌های استقراض است که بر کسب‌وکارهای سرمایه‌بر تأثیر می‌گذارد. ساخت و راه‌اندازی زیرساخت‌های محاسباتی مستلزم صرف هزینه‌های هنگفت اولیه برای سخت‌افزار، برق و تأسیسات است. با افزایش هزینه‌های تأمین مالی، این پروژه‌ها از نظر اقتصادی جذابیت کمتری پیدا می‌کنند.

استدلال گریس‌کیل این است که داستان تأمین مالی و داستان تقاضا دو موضوع جداگانه هستند. یکی بر میزان ارزان بودن ساخت‌وساز شرکت‌ها تأثیر می‌گذارد و دیگری تعیین می‌کند که آیا کسی خواهان آنچه ساخته می‌شود هست یا خیر. در مورد سؤال دوم، یادداشت پاندل روشن است: اشتیاق به محاسبات از بین نرفته است.

تغییر تمرکز به سمت وظایف استنتاجی

این شرکت اعلام کرد که تقاضا برای محاسبات هوش مصنوعی به سمت وظایف استنتاجی (inference workloads) در حال تغییر است. آموزش (training) فرآیند پرهزینه و یک‌باره آموزش یک مدل هوش مصنوعی است. استنتاج (inference) هر بار که فردی از آن مدل استفاده می‌کند، اتفاق می‌افتد، چه پرسیدن سؤالی از یک چت‌بات باشد و چه تکمیل وظیفه‌ای توسط یک عامل هوشمند.

گریس‌کیل دو عامل را که باعث افزایش تقاضا برای استنتاج می‌شوند، برمی‌شمرد. اول، کاهش قیمت توکن‌ها است. توکن‌ها واحدهای کوچکی از متن هستند که مدل‌های هوش مصنوعی پردازش کرده و بر اساس آن‌ها صورت‌حساب صادر می‌کنند، بنابراین توکن‌های ارزان‌تر استفاده از هوش مصنوعی را مقرون‌به‌صرفه‌تر می‌کنند. دوم، افزایش استفاده از عوامل هوش مصنوعی (AI agents) است که ابزارهای نرم‌افزاری طراحی شده برای انجام وظایف چند مرحله‌ای از طرف کاربر هستند.

گلوگاه‌های اصلی در تأمین زیرساخت

این تحلیل دو گلوگاه اصلی را برجسته می‌کند. دسترسی به برق یکی از آن‌هاست، زیرا مراکز داده به مقادیر عظیمی برق نیاز دارند و تأمین آن سریع یا آسان نیست. دیگری زمان ساخت‌وساز است. گریس‌کیل تخمین می‌زند که ساخت یک مرکز داده ۲ تا ۵ سال طول می‌کشد.

گریس‌کیل انتظار دارد این عدم تطابق به احتمال زیاد عدم تعادل عرضه و تقاضا را در آینده قابل پیش‌بینی حفظ کند.

پیشینه تحقیقات گریس‌کیل

این اولین بار نیست که گریس‌کیل در این زمینه اظهار نظر می‌کند. یادداشت اکتبر بر اساس تحقیقاتی است که این شرکت در سپتامبر ۲۰۲۶ منتشر کرده بود و به بررسی گلوگاه‌های محاسباتی و افزایش تقاضا پرداخته بود.

در تاریخ ۲۲ سپتامبر ۲۰۲۶، این شرکت صندوق قابل معامله در بورس (ETF) خود را که قبلاً با نام Bitcoin Miners ETF شناخته می‌شد، به Grayscale AI Compute ETF (GCPU) تغییر نام داد و تمرکز خود را بر محاسبات هوش مصنوعی معطوف کرد. این تغییر نام درست چند روز قبل از شروع فروش در پایان سپتامبر انجام شد.

خوش‌بینی در میان تحلیلگران

گریس‌کیل تنها شرکتی نیست که در این زمینه خوش‌بین است. مورگان استنلی نیز در ژوئیه ۲۰۲۶ دیدگاه‌های مشابه صعودی در مورد بازار زیرساخت هوش مصنوعی ابراز کرده بود.

سؤال اصلی این است که آیا کاهش اخیر نشان‌دهنده تغییر واقعی در چشم‌انداز این بخش است یا یک بازقیمت‌گذاری موقت ناشی از هزینه‌های تأمین مالی. گریس‌کیل قاطعانه در اردوگاه دوم قرار دارد.

استدلال گریس‌کیل به شدت بر کاهش قیمت توکن‌ها که منجر به افزایش استفاده می‌شود، متکی است. توکن‌های ارزان‌تر برای کاربران خوب هستند. برای ارائه‌دهندگان، این شرط تنها در صورتی موفقیت‌آمیز است که رشد حجم از کاهش قیمت هر واحد پیشی بگیرد.

برای صنعت ارزهای دیجیتال، تغییر نام GCPU نشان‌دهنده هدایت یک مدیر دارایی بزرگ ارز دیجیتال از یک محصول متمرکز بر استخراج به سمت موضوع محاسبات هوش مصنوعی است. سرمایه‌گذارانی که این صندوق را در اختیار دارند یا به آن فکر می‌کنند، عملاً دیدگاهی مشابه با تئوری پاندل دارند: تقاضا پایدار است، عرضه محدود است و افت اخیر بیشتر نویز است تا سیگنال.